НОВОСТЬ · MODELS · #296
Google Research представила TimesFM — 200M-параметровую декодерную foundation-модель для прогнозирования временных рядов
Исследователи Google Research Раджат Сен и Ичен Чжоу представили TimesFM — декодерную трансформерную foundation-модель, предварительно обученную примерно на 100 миллиардах реальных точек временных рядов. При объёме 200 млн параметров модель использует «патчи» временных точек как токены и демонстрирует сильные нулевые (zero-shot) прогнозы на различных невиденных наборах данных, приближаясь к лучшим в классе супервизированным методам; модель планируется сделать доступной через Google Cloud Vertex AI позже в этом году.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Исследователи Google Research Раджат Сен и Ичен Чжоу представили TimesFM — декодерную трансформерную foundation-модель, предварительно обученную примерно на 100 миллиардах реальных точек временных рядов.
- При объёме 200 млн параметров модель использует «патчи» временных точек как токены и демонстрирует сильные нулевые (zero-shot) прогнозы на различных невиденных наборах данных, приближаясь к лучшим в классе супервизированным методам; модель планируется сделать доступной через Google Cloud Vertex AI позже в этом году.
- Предварительно обученная foundation‑модель для временных рядов, дающая конкурентные нулевые прогнозы, может сократить необходимость в дообучении под конкретные данные и ускорить внедрение прогнозирования в ритейле, финансах и других сферах.
ПОЧЕМУ ЭТО ВАЖНО
Предварительно обученная foundation‑модель для временных рядов, дающая конкурентные нулевые прогнозы, может сократить необходимость в дообучении под конкретные данные и ускорить внедрение прогнозирования в ритейле, финансах и других сферах.